yolov8目标检测的标签格式
yolov8目标检测的标签格式
ytkz深度学习图像处理一般分为三个步骤：标签制作、模型训练、推理预测。
现在我准备做是目标检测，使用的框架是yolov8。
使用yolov8并不是代表落后，而是yolov8足够实用，你们当然可以使用最新的yolov26，在这一点上是无所谓的。
由于目标检测的篇幅很长，我打算分块写。所以今天的主题是标签制作。
别急哈，我们一步步来。
那么我们得先知道什么是yolov8标签格式。这时候问下大模型，快速过一哈。
以下是 YOLOv8 标签格式的详细说明：
1. 标签文件格式
文件扩展名：.txt
命名规则：标签文件的名称需要与对应的图像文件名一致（扩展名除外）。例如，图像文件为 image1.jpg，则标签文件为 image1.txt。
文件内容：每行表示图像中的一个目标对象，格式如下：
text
<class_id> <x_center> <y_center> <width> <height>：目标类别的索引（从 0 开始的整数，基于数据集中的类别顺序）。 ：边界框中心点的 x 坐标（归一化，范围 [0, 1]，相对于图像宽度）。 ：边界框中心点的 y 坐标（归一化，范围 [0, 1]，相对于图像高度）。 ：边界框的宽度（归一化，范围 [0, 1]，相对于图像宽度）。 ：边界框的高度（归一化，范围 [0, 1]，相对于图像高度）。
2. 归一化坐标
YOLOv8 使用归一化坐标，即将边界框的坐标和尺寸除以图像的宽度和高度，转换为 [0, 1] 范围内的值。公式如下：
- x_center = (x_min + x_max) / (2 * image_width)
- y_center = (y_min + y_max) / (2 * image_height)
- width = (x_max - x_min) / image_width
- height = (y_max - y_min) / image_height
其中，x_min, x_max, y_min, y_max 是边界框的像素坐标，image_width 和 image_height 是图像的宽度和高度。
3. 示例
假设有一张 640x480 的图像，包含两个对象，类别分别为 0（猫）和 1（狗），边界框信息如下：
- 猫：边界框 (x_min=100, y_min=50, x_max=300, y_max=250)
- 狗：边界框 (x_min=400, y_min=200, x_max=600, y_max=400)
计算归一化坐标：
- 猫：
- x_center = (100 + 300) / (2 * 640) = 0.3125
- y_center = (50 + 250) / (2 * 480) = 0.3125
- width = (300 - 100) / 640 = 0.3125
- height = (250 - 50) / 480 = 0.4167
- 狗：
- x_center = (400 + 600) / (2 * 640) = 0.78125
- y_center = (200 + 400) / (2 * 480) = 0.625
- width = (600 - 400) / 640 = 0.3125
- height = (400 - 200) / 480 = 0.4167
对应的标签文件 image1.txt 内容为：
0 0.3125 0.3125 0.3125 0.4167
1 0.78125 0.625 0.3125 0.4167宝子等一下，以上的内容是普通图片的yolov8标签的格式。那么遥感图像的yolov8的标签怎么制作呢？
我采取的措施是：1.在acrgis绘制所需目标的面矢量；2.编写代码，批量制作标签。
假设现在我已经画好了矢量，我把影像放大后，局部的细节如下：
这时，我们完成了第一步：矢量绘制。
第二步就需要写代码：一边滑窗切割影像，一边读取相应范围内的矢量，最终得到yolov8的标签。
样本制作的代码如下：
import geopandas as gpd
from osgeo import gdal, osr
from shapely.geometry import Polygon, box
import os
def tile_large_image_and_generate_labels(image_path, shp_path, output_dir, tile_size=(512, 512), class_map={'vehicle': 0}):
os.makedirs(os.path.join(output_dir, 'images'), exist_ok=True)
os.makedirs(os.path.join(output_dir, 'labels'), exist_ok=True)
ds = gdal.Open(image_path)
if ds is None:
raise ValueError(f"无法打开图像: {image_path}")
image_width = ds.RasterXSize
image_height = ds.RasterYSize
transform = ds.GetGeoTransform()
proj = ds.GetProjection()
crs = osr.SpatialReference(proj) if proj else None
gdf = gpd.read_file(shp_path)
if gdf.crs != crs.ExportToWkt():
gdf = gdf.to_crs(crs.ExportToWkt())
tile_width, tile_height = tile_size
num_tiles_x = (image_width + tile_width - 1) // tile_width
num_tiles_y = (image_height + tile_height - 1) // tile_height
print(f"总块数: {num_tiles_x * num_tiles_y} ({num_tiles_x} x {num_tiles_y})")
for i in range(num_tiles_y):
for j in range(num_tiles_x):
offset_x = j * tile_width
offset_y = i * tile_height
current_width = min(tile_width, image_width - offset_x)
current_height = min(tile_height, image_height - offset_y)
minx = transform[0] + offset_x * transform[1] + offset_y * transform[2]
maxy = transform[3] + offset_x * transform[4] + offset_y * transform[5]
maxx = minx + current_width * transform[1] + current_height * transform[2]
miny = maxy + current_width * transform[4] + current_height * transform[5]
tile_bounds = box(minx, miny, maxx, maxy)
clipped_gdf = gdf[gdf.geometry.intersects(tile_bounds)]
if clipped_gdf.empty:
continue
labels = []
for idx, row in clipped_gdf.iterrows():
geom = row.geometry.intersection(tile_bounds)
if geom.is_empty or not isinstance(geom, (Polygon)):
continue
class_name = row.get('class', 'vehicle')
if class_name not in class_map:
print(f"未知类别: {class_name}, 跳过")
continue
class_id = class_map[class_name]
bbox_minx, bbox_miny, bbox_maxx, bbox_maxy = geom.bounds
pixel_width = transform[1]
pixel_height = abs(transform[5])
x_min_pix = (bbox_minx - minx) / pixel_width
y_min_pix = (maxy - bbox_maxy) / pixel_height
x_max_pix = (bbox_maxx - minx) / pixel_width
y_max_pix = (maxy - bbox_miny) / pixel_height
bbox_width_pix = x_max_pix - x_min_pix
bbox_height_pix = y_max_pix - y_min_pix
x_center_pix = x_min_pix + bbox_width_pix / 2
y_center_pix = y_min_pix + bbox_height_pix / 2
x_center = x_center_pix / current_width
y_center = y_center_pix / current_height
width = bbox_width_pix / current_width
height = bbox_height_pix / current_height
if 0 < width <= 1 and 0 < height <= 1 and 0 <= x_center <= 1 and 0 <= y_center <= 1:
labels.append(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}")
else:
print(f"无效边界框 (超出块): {idx}")
if not labels:
continue
tile_name = f"tile_{i}_{j}"
tile_image_path = os.path.join(output_dir, 'images', f"{tile_name}.tif")
gdal.Translate(
tile_image_path,
ds,
srcWin=[offset_x, offset_y, current_width, current_height],
format='GTiff',
projWin=None
)
tile_label_path = os.path.join(output_dir, 'labels', f"{tile_name}.txt")
with open(tile_label_path, 'w') as f:
f.write('\n'.join(labels) + '\n')
print(f"生成块: {tile_name} (图像: {tile_image_path}, 标签: {tile_label_path}, 目标数: {len(labels)})")
ds = None
data_yaml_path = os.path.join(output_dir, 'data.yaml')
with open(data_yaml_path, 'w') as f:
f.write(f"""train: {os.path.join(output_dir, 'images')}
val: {os.path.join(output_dir, 'images')}
nc: 1
names: ['vehicle']
""")
print(f"数据集配置文件生成: {data_yaml_path}")
if __name__ == "__main__":
image_path = 'X:\\影像\\imagery_20250925_zoom19.tif'
output_dir = r'X:\\output_tiles'
tile_large_image_and_generate_labels(image_path, shp_path, output_dir)
我们打开tile_0_0.txt，如下：
0 0.051170 0.685652 0.035934 0.022555
0 0.314973 0.939455 0.017767 0.038241
0 0.156948 0.594211 0.039995 0.014907
0 0.058777 0.592575 0.037087 0.013089
0 0.215305 0.734250 0.030906 0.014798
tile_0_0.txt对应的图像样本如下：
我们的检测框是用水平框来表示的，另一种是用旋转框来表示。从描述目标在图像中位置的功能上看，这两种方式本质上差不多。
虽然在遥感图像中，车辆可能以各种角度出现，但我们还是选了更简单的水平框作为标签，因为这样标注起来更省事，模型设计和计算也更简单。
简单来说，模型的训练和预测都以标签为准，标签的质量决定了模型的效果好坏。
我们用了水平框，模型最后输出的也是水平框。预测结果一般是一个 .txt 或 .json 文件，里面会告诉你：检测到多少个目标、每个目标在图像中的位置（用框的坐标表示，比如左上角和右下角的点），还有这个预测有多可靠（用一个置信度分数表示）。
至此，我们的标签制作已完毕。
在这一过程中，绘制矢量花费的时间是最多。
等我整理模型训练、推理预测的内容完毕，我会写一个整合版本。到时候把涉及的遥感数据、矢量、标签文件都公开出来，方便大家学习。
今天开始日更，后面不会天天都写技术文章，简单写一写有的没的，感谢大家的支持，明天见。
